KAIST(총장 신성철)는 예종철 바이오및뇌공학과 교수 연구팀이 흉부 단순 방사선 촬영 영상으로 코로나19 진단의 정확성을 획기적으로 개선한 인공지능(AI) 기술을 개발했다고 25일 밝혔다. 

연구팀이 개발한 AI 기술을 활용해 코로나19 감염 여부를 진단한 결과, 영상 판독 전문가의 69%보다 17% 향상된 86% 이상의 우수한 정확성을 보였다. 이러한 기술을 코로나19 선별 진료 체계에 도입할 시 상시 신속한 진단과 한정된 의료 자원의 효율적 사용에 큰 도움을 줄 것으로 기대된다.

현재 코로나19 검사로는 정확성이 90% 이상인 실시간 유전자검출 검사법(RT-PCR, Reverse Transcription Polymerase Chain Reaction)이 사용되지만 상당한 검사소요시간과 높은 비용이 든다는 한계가 있다.

컴퓨터 단층촬영(CT, Computed Tomography)을 이용한 검사 또한 높은 정확성을 보이지만 X선 단순촬영 검사에 비해 많은 시간이 소요되고, 바이러스에 의한 장비 오염 가능성이 있어 선별 진료에 사용되긴 어렵다.

흉부 단순 방사선 촬영(CXR, Chest X-ray)은 비용이 적게 들어가고 검사방법이 용이하지만 RT-PCR과 CT 검사에 비해 코로나19 검사 정확성이 현저하게 떨어진다. 이에 세계 각국 코로나19 확진자 수가 급증함에 따라 CXR 검사의 정확성을 높여 활용하자는 요구가 증가하고 있다.

그동안 심층 학습(Deep Learning) 기법을 적용해 CXR 영상으로 코로나19를 진단하는 연구사례가 보고되고 있지만 진단 정확성을 높이기 위해선 많은 양의 데이터 확보가 필수적이다. 하지만 현재와 같은 비상 상황에선 일관된 대량의 자료를 수집하기에 어려움이 있다.

연구팀은 자체 개발한 전처리(Preprocessing)와 국소 패치 기반 방식(Local Patch-based Approach)을 통해 이러한 문제점을 해결했다. 적은 데이터 세트에서 발생할 수 있는 영상 간 이질성을 일관된 전처리 과정으로 정규화, 국소 패치 기반 방식으로 하나의 영상에서 다양한 패치 영상들을 얻어냄으로써 이미지의 다양성을 확보했다.

또한 국소 패치 기반 방식을 활용한 새로운 AI 기술인 '확률적 특징 지도 시각화(Probabilistic Saliency Map Visualization)' 방식을 통해 CXR 영상에서 코로나19 진단에 중요한 부분을 고화질로 강조해주는 특징 지도를 개발했다. 해당 지도는 진단 영상학적 특징과 일치되는 것을 확인했다.

예종철 교수는 "인공지능 알고리즘 기술을 환자의 선별 진료에 활용하면 코로나19 감염 여부를 상시 신속하게 진단할 수 있다"며 "이를 통해 가능성이 낮은 환자를 배제, 한정된 의료 자원을 우선순위가 높은 대상에게 효율적으로 배분할 수 있게 해줄 것"이라고 말했다. 

오유진 박사과정과 박상준 박사과정이 공동 1저자로 참여한 해당 연구는 국제 학술지 '아이트리플이 트랜잭션 온 메디컬 이미징(IEEE transactions on medical imaging)'의 '영상기반 코로나19 진단 인공지능기술' 특집호 온라인판에 이달 8일 자로 게재됐다. (논문명 : Deep Learning COVID-19 Features on CXR using Limited Training Data Sets)

한편 해당 연구는 한국연구재단 중견연구자지원사업의 지원을 받아 수행됐다.